XiaoMi-AI文件搜索系统
World File Search System受保非
保融机器翻译评估
最近已经提出了几种不确定性估计方法，以用于机器翻译评估。尽管这些方法可以提供不信任模型预测的有用指示，但我们在本文中表明，大多数人倾向于低估模型的不确定性，因此，它们通常会产生不涵盖地面真理的误导性置信区间。我们建议使用保形预测，这是一种无分布的方法，可以在覆盖范围内获得具有理论上确定的固定性的置信区间。首先，我们证明了拆分的保形预测可以“正确”以前方法的置信区间，以产生所需的覆盖水平，并且我们在多个机器翻译评估指标和不确定性量化方法中揭示了这些发现。此外，我们以估计的置信区间重点介绍了偏见，并以不同属性（例如语言和翻译质量）的不平衡覆盖范围重新介绍了偏见。我们通过应用条件保形预测技术来解决每个数据子组的校准子集，从而导致均等覆盖范围。总体而言，我们表明，提供了对校准集的访问，共形预测可以帮助识别最合适的不确定性量化方法并调整预测的置信区间，以确保与不同属性有关。1
荣获日本人工智能学会2023年度研究小组优秀奖
颁奖典礼 2023年度研究组优秀奖将颁发给2023年4月至2024年3月期间举行的日本人工智能学会年会上发表的特别优秀的研究论文。 住电株式会社通过其特殊子公司住电Friend株式会社（以下简称“Friend”），主要推进残疾人士的就业。 在本文中，我们报告了与 Friend 合作应用“残疾人参与式主动学习”的案例研究。我们已通知弗兰德的员工，他们的工作迄今为止主要集中在办公室支持任务上，他们将能够通过创建评估我们主要产品（如电线和电缆）的人工智能直接参与设计和质量评估过程。 颁发此奖是为了认可该项目在考虑“未来社会的人工智能”方面的重要性，将其作为创造一个让更多残障人士能够在公司各种任务中发挥积极作用的环境以及有效利用深度学习技术的一项新举措。欲了解更多详细信息，请参阅以下论文。 ■ 使用残疾人参与式主动学习方案对电线电缆产品进行线路追踪和详细质量评估 https://www.jstage.jst.go.jp/article/jsaisigtwo/2023/SAI-048/2023_01/_pdf/- char/ja
人工智能原理有效吗？ ——从非约束性原则到普遍性原则……
6 Shinpo，Fumio，“为什么要有‘机器人法’？”机器人法律协会成立筹备研究会报告（2015年10月11日）（2015年）。有关这些原则的详情，请参阅新浦文雄的《机器人法：法律领域问题的鸟瞰图》，《信息法研究》，第 9 卷，第 65-78 页（2017 年）和新浦文雄的《日本主要人工智能以及机器人战略和建立基本原则的研究，人工智能法律研究手册，Woodrow Barfield、Ugo Pagallo（编），Edward Elgar Publishing（2018）第 114-142 页，Jacob Turner，R OBOT规则：规范人工智能，Palgrave Macmillan；第一版。（2019 年）。7 规范欧洲新兴机器人技术：机器人技术面临的法律和伦理，FP7-SCIENCE-IN-SOCIETY-2011-1，项目编号：289092.8《深度剖析/成立律师协会有困难吗？“机器人的‘社会化推进’面临诸多挑战，业内人士表达异议”，日刊工业新闻，2016 年 1 月 18 日 https://www.nikkan.co.jp/articles/view/00371272 。
“社会认可”的概念分析：关于人工智能伦理
本次演讲的目的有两个。1) 通过介绍社会接受度和类似概念的概念分析和分类，促进人工智能技术等需要跨学科和跨学科研究的领域的合作与交流。2) 引入这种分类将澄清在 ELSI 和社会接受度讨论中可能没有被忽视的道德问题。为此，我们介绍了 Benham Taebi 对社会接受度和道德可接受度概念的区分，并开发了该区分的修改版本。通过在可接受度概念中引入经济和技术层面以及道德领域，可以澄清可接受度领域之间的冲突。这种澄清使人们能够更详细地讨论人工智能的道德问题。
随机性，交换性和保形预测
随机性的功能理论是在Vovk [2020]中以非算力的随机性理论的名义提出的。Ran-Domness的算法理论是由Kolmogorov于1960年代启动的[Kolmogorov，1968年]，并已在许多论文和书籍中开发（例如，参见Shen等人。2017）。它一直是直觉的强大来源，但其弱点是对特定通用部分可计算函数的选择的依赖性，这导致其数学结果中存在未指定的加性（有时是乘法）常数。Kolmogorov [1965，Sect。 3] speculated that for natural universal partial computable functions the additive constants will be in hun- dreds rather than in tens of thousands of bits, but this accuracy is very far from being sufficient in machine-learning and statistical applications (an addi- tive constant of 100 in the definition of Kolmogorov complexity leads to the astronomical multiplicative constant of 2 100 in the corresponding p-value). 与VOVK [2020]中提出的未指定常数打交道的方式是表达有关随机性算法作为各种函数类之间关系的算法。 它将在教派中引入。 2。 在本文中，我们将这种方法称为随机性的功能理论。 虽然它在直观的简单性方面失去了一定的损失，但它越来越接近实用的机器学习和统计数据。 读者将不会假设对随机性算法理论的形式知识。 在本文中，我们有兴趣将随机性的功能理论应用于预测。 3。Kolmogorov [1965，Sect。3] speculated that for natural universal partial computable functions the additive constants will be in hun- dreds rather than in tens of thousands of bits, but this accuracy is very far from being sufficient in machine-learning and statistical applications (an addi- tive constant of 100 in the definition of Kolmogorov complexity leads to the astronomical multiplicative constant of 2 100 in the corresponding p-value).与VOVK [2020]中提出的未指定常数打交道的方式是表达有关随机性算法作为各种函数类之间关系的算法。它将在教派中引入。2。在本文中，我们将这种方法称为随机性的功能理论。虽然它在直观的简单性方面失去了一定的损失，但它越来越接近实用的机器学习和统计数据。读者将不会假设对随机性算法理论的形式知识。在本文中，我们有兴趣将随机性的功能理论应用于预测。3。机器学习中最标准的假设是随机性：我们假设观察值是以IID方式生成的（独立且分布相同）。先验弱的假设是交换性的假设，尽管对于无限的数据序列而言，随机性和交换性证明与著名的de Finetti代表定理本质上是等效的。对于有限序列，差异是重要的，这将是我们教派的主题。我们开始讨论在教派中预测的随机性功能理论的应用。2。在其中介绍了置信度预言的概念（稍微修改和推广Vovk等人的术语。2022，Sect。2.1.6）。然后，我们根据三个二分法确定八种置信预测因素：
